UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS CENTRO DE INVESTIGACION FORMATO PARA PROYECTO DE INVESTIGACION

I. ASPECTO INFORMATIVO. 1.1. Ttulo: Optimizacin Energtica Integral en Hornos de Proceso de la Unidad de Reformacin Cataltica (RCA) del Proyecto Modernizacin Refinera Talara (PMRT), mediante la implementacin de un Control Predictivo Inteligente Multivariable. 1.2. Cdigo. 1.3. Personal investigador. 1.3.1. Autor responsable. Fernando Helmer Montenegro Daz. Direccin: Av. El Valle N 144 Satlite E-mail: fernando_montenegro1@hotmail.com 1.3.2. Colaboradores. Jos Crdenas Bet. Ing. Electrnico, Lder en Instrumentacin Proyecto Modernizacin Refinera Talara Alejandro Ballarta Muoz Ing. Qumico, Coordinador de Procesos Proyecto Modernizacin Refinera Talara Fernando Montenegro Daz Pgina 1

1.3.3. Asesor. Carlos Oblitas Vera. Ing. Electrnico de la UNPRG-Lambayeque 1.4. Centro o instituto de investigacin. Centro de Investigacin de la FACFyM. 1.5. rea de investigacin. Tecnolgica - Aplicada 1.6. Lugar de ejecucin. Refinera Talara Direccin: Portn N 1, Av. Grau s/n - Talara 1.7. Duracin estimada. 6 meses. 1.8. Fecha de inicio. 17 de Diciembre del ao 2012. 1.9. Fecha de finalizacin. 17 de Junio del ao 2013. 1.10. Beneficiarios del proyecto. Petrleos del Per S. A. Petroper

Fernando Montenegro Daz

Pgina 2

II. ASPECTO DE LA INVESTIGACION 2.1. Marco lgico. 2.1.1. Situacin problemtica. El Proyecto Modernizacin Refinera Talara considera la implementacin de una planta de Reformacin Cataltica de Naftas (RCA) que tiene como objetivo elevar el Octanaje de las gasolinas de 65-68 a 98-100 RON. La Unidad de RCA incluye la incorporacin de 04 Hornos con las siguientes capacidades de absorcin trmica (Duty)
EQUIP O S ERVIC IO DUTY (Gcal/h ) 4.9 7.1 3.4 19.3

RCA-H-001 Precalentador RCA-H-002 Primer Intercalentamiento RCA-H-004 Reboiler del Estabilizador

RCA-H-003 Segundo Intercalentamiento 3.9

TOTAL

Estos hornos sern conectados a un sistema DCS, bajo un sistema de Control Automtico Bsico, sin disponer de un sistema de Control Predictivo Inteligente Multivariable, lo que significa que podrn trabajar a niveles altos y aceptables de eficiencia desde un punto de vista operativo, sin asegurar que se encuentren en los rangos ptimos. Un sistema de Control Predictivo Inteligente Multivariable garantiza que los hornos operen continuamente en los rangos ptimos y adems puede servir de herramienta para fines de eficiencia energtica y de herramienta predictiva para el mantenimiento. Se estima que la implementacin de este sistema puede conseguir un ahorro potencial de energa conservadoramente entre 3 6%. Teniendo en cuenta que son equipos de alta Fernando Montenegro Daz Pgina 3

continuidad operativa y alto consumo de energa, los beneficios son bastante atractivos (Ver Tabla N 1). La oportunidad de implementar un Sistema de Control Predictivo Inteligente Multivariable no slo permitir minimizar los costos de energa, sino tambin mitigar el impacto ambiental, minimizar la necesidad de frecuencia de paradas y prolongar el tiempo de vida til de los equipos. El sistema de Control Predictivo Inteligente Multivariable aplicado a los Hornos, permitir disponer de un simulador realizado en Software Libre, que ser de fcil uso y adems no implicar gastos por concepto de software para la empresa. Una vez finalizado este sistema, podr ser acoplado al sistema DCS existente a travs de un conector OPC. As mismo podr ser adaptado a otros hornos de proceso pertenecientes a otras operaciones de Petroper. 2.1.1.1. Antecedentes. Refinera Talara es la segunda refinera ms grande del Per (65 MBPD), donde se procesa el crudo y se obtienen derivados de los hidrocarburos como: GLP, Gasolinas, Turbo A1, Diesel, Petrleos Industriales, Asfaltos, etc. Actualmente no se dispone de un Sistema de Control Predictivo Inteligente Multivariable en ninguno de sus equipos o sistemas; abriendo la posibilidad desarrollar un trabajo de investigacin aplicado a sus Hornos de Procesos por representar los equipos de mayor de consumo de energa. A partir de la condicin descrita, nace el inters por conseguir una Optimizacin Energtica Integral de estos

Fernando Montenegro Daz

Pgina 4

equipos mediante un sistema de Control Predictivo Inteligente Multivariable, con todos los beneficios que esto conlleva. Finalmente se realiz una minuciosa revisin de la literatura tcnica mediante diversos medios, tales como: Libros, revistas fsicas y en Internet llegando a la conclusin que este proyecto es perfectamente factible de realizar con los recursos disponibles. Tambin es preciso mencionar que este campo de investigacin no ha sido muy difundido ni desarrollado en mi alma mater la Universidad Nacional Pedro Ruiz Gallo, ni en otros proyectos de la regin, por lo cual se puede afirmar que se trata de un proyecto innovador. 2.1.1.2. Base terica. El control predictivo tiene como objetivo resolver de forma efectiva, problemas de control y automatizacin de procesos industriales que se caractericen por presentar un comportamiento dinmico complicado, multivariable, y/o inestable. La estrategia de control en que se basa este tipo de control, utiliza el modelo matemtico del proceso a controlar para predecir el comportamiento futuro de dicho sistema, y en base a este comportamiento futuro puede predecir la seal de control futura. Este trabajo tiene como marco la materia de Proyecto final de la carrera de Ingeniera Electrnica, as se fij como objetivo el diseo de un sistema de Control Predictivo Inteligente Multivariable, y elaborar un simulador basado en Software Libre con la finalidad de hacer pruebas y ver posibles resultados respecto a parmetros importantes relacionados con la Optimizacin Integral de los Hornos y al Control Fernando Montenegro Daz Predictivo Inteligente Multivariable. Lo que

Pgina 5

buscamos es desarrollar un sistema de Control Predictivo Inteligente Multivariable y un simulador que mantuviera las variables de flujo, temperatura, presin, anlisis de gases, etc., en ptimas condiciones para lograr la Optimizacin. Adems, permitir al usuario visualizar la informacin y clculos intermedios que se consideren de inters, como tambin un registro de los eventos histricos o posibles fallas o errores acontecidos. Con sta informacin, se puede realizar un estudio minucioso del comportamiento global de las variables de proceso que se llevan a cabo en el Horno que servirn de entradas al sistema de Control Predictivo Inteligente Multivariable que mediante la inteligencia artificial (algoritmos genticos y redes neuronales), Optimizar en forma integral la energa que estos consumen. Este informe representa una descripcin de las soluciones a implementar para el proyecto. 2.1.2. Problema Cmo lograr una Optimizacin Energtica Integral en los Hornos de Proceso? 2.1.3. Hiptesis Si se disea un Control Predictivo Inteligente

Multivariable que tenga como entradas las variables y perturbaciones presentes en el proceso, ste a travs de un conjunto de tcnicas basadas en inteligencia artificial y herramientas de control permitir una Optimizacin Energtica Integral en los Hornos de Proceso.

Fernando Montenegro Daz

Pgina 6

2.1.4. Objetivos: 2.1.4.1. Objetivo General. Disear un Sistema de Control Predictivo Inteligente Multivariable para lograr una Optimizacin Energtica Integral de los Hornos de Proceso de la Unidad de Reformacin Cataltica de Naftas (RCA) del Proyecto Modernizacin Refinera Talara (PMRT). 2.1.4.2. Objetivos especficos. a) Minimizar los costos de energa. b) Elaborar balances de masa, de energa y determinar la eficiencia de los hornos en tiempo real. c) Reducir el impacto ambiental. d) Crear una herramienta de mantenimiento predictivo. Minimizar los costos de mantenimiento y la necesidad de tiempo de parada de Planta. e) Alargar el tiempo de vida til de los Hornos de Proceso. f) Implementar aplicaciones en Software Libre. g) Aplicar algoritmos genticos en temas de optimizacin, as como control predictivo basado en redes neuronales en procesos industriales. 2.1.5. Justificacin e importancia de la investigacin. Desde un punto de vista general, la operacin y el

mantenimiento, deben aprovechar al mximo los beneficios potenciales que la tecnologa del horno pueda ofrecer, sacando ventaja de la flexibilidad que esta permita, sin superar el umbral de las condiciones de diseo impuestas por la termodinmica del proceso, el tipo de combustible, la tecnologa de los quemadores, el sistema de monitoreo y Fernando Montenegro Daz Pgina 7

control de la combustin, la configuracin y extensin de los tubos y los materiales de construccin. Ahorro de Energa

Tomando en consideracin el consumo de energa de los hornos de Refinera Talara en el periodo mayo a octubre 2012 (06 meses) y un ahorro potencial de energa de 3 a 6% por implementacin del sistema de Control Avanzado, se obtuvo un beneficio promedio anual estimado del orden de US$ 385 mil/ao. Tabla 1: Ahorro potencial en los Hornos de Refinera Talara
3 3 C ons um o de GasNatural en H ornos(10 ft /m es )

H ornos UDP UDV Total Precio (US$/MSCF)

Mayo 107814 9456 117270 5,1763

Junio 121383 20197 141580 5,1986

Julio 118511 8811 127322 5,6663

Ag os to S etiem bre Octubre 109062 124283 128026 7071 8972 5302 116133 133255 133328 5,6529 5,6269 6,0748

C os tosde Energ a
H ornos US$/10 Btu US$/mes
6

Mayo 5,3 607025

Junio 5,4 736018

Julio 5,8 721445

Ag os to S etiem bre Octubre 5,8 656488 5,8 749813 6,3 809941

Ahorro Potencial (US $/m es )

Mnimo (3% ) Mximo (6% ) 18211 36421 22081 44161 21643 43287 19695 39389 22494 44989 24298 48596

Ahorro Prom edio Potencial

Mensual (US$/mes) Anual (US$/anual) 32105 385266

La importancia tcnico-econmica que revisten estos equipos en la industria del petrleo ha motivado la elaboracin de Sistema de Control Predictivo Inteligente Multivariable, el cual se va a desarrollar bajo un enfoque de uso eficiente de la energa, resaltando la importancia de la combustin enmarcado en un equilibrio de tres factores determinantes para alcanzarlo: el diseo, la operacin y el mantenimiento.

Fernando Montenegro Daz

Pgina 8

2.1.6. Definicin de trminos y conceptos. Horno Los hornos cumplen la funcin de suministrar energa calorfica (indirectamente) a un material en un proceso a alta temperatura. Para ello, cuentan con una serie de dispositivos que aseguran una adecuada distribucin del calor y una operacin estable y segura. Nafta Hidrotratada (Fluido a calentar) Es una mezcla de nafta producida en la Unidad de Destilacin (UDP) y nafta de Coker procedente de la unidad de Flexicoking (FCK) que ha pasado por un proceso de hidrotratamiento. Es una mezcla de hidrocarburos de cadenas carbonadas de C6 a C11 de muy bajo contenido de impurezas (S, N, O, H2 O, SiO2, etc.) que constituyen la materia prima para la unidad de RCA. Nafta Reformada (Fluido a calentar) Tambin llamado Reformado es producto de la RCA. A diferencia de la Nafta Hidrotratada posee un octanaje (RON) ms alto, debido a una transformacin cataltica de su composicin donde se eleva el contenido de aromticos. Transmisin de calor en Hornos de Proceso El proceso de calefaccin en un horno de refino,

comprende una fuente caliente constituida por el flujo de gases de combustin y una fuente fra de crudo o crudo reducido que se desea calentar. La operacin de un horno presenta los 3 mecanismos de transferencia de calor simultneos en el siguiente orden de importancia: radiacin, conveccin y conduccin. Fernando Montenegro Daz Pgina 9

Transmisin de calor radiante En la cmara de combustin, el calor de la llama (a

2600F 3300F) fluye a los tubos motivados por el fuerte diferencial de temperaturas, sin requerir un medio fsico de soporte. Aqu es donde se aprovecha mejor el calor por unidad de superficie que en cualquier otra parte del horno, alcanzando las mayores tasas de transferencia de calor, con intervalos de longitud de onda de 0,01 100 m, gracias al predominio del mecanismo de radiacin trmica promovido por las altas temperaturas de manejo. A bajas temperaturas, los gases an mantienen su capacidad de seguir radiando, pero esto ocurre de forma remanente y poco significativa. Transmisin de calor por conveccin Cuesta arriba y con menor temperatura los gases

ingresan (1000F 1400F) a otra seccin del horno que consta de un arreglo de tubos de separacin mnima y superficies extendidas. Esta vez, la masa de gases con menor disponibilidad de energa radiante contina transmitiendo calor con un marcado dominio convectivo a tasas de flujo calrico menores que exige a los diseadores incrementar significativamente el rea para compensar la menor efectividad de este mecanismo frente al radiante. Transmisin de calor por conduccin Tambin se promueve por un diferencial de

temperaturas; se transmite al interior de los cuerpos slidos por efecto de la transferencia de energa cintica de una molcula a otra adyacente (sin transferencia de materia). Se manifiesta al interior de los ladrillos Fernando Montenegro Daz Pgina 10

refractarios, el aislamiento trmico, la cubierta metlica, los tubos del horno, adems de todos los elementos metlicos de conexin y soporte, incluyendo pequeas cantidades de calor que se disipan al suelo a travs de las bases del horno. Sin embargo, dada la naturaleza intensiva de consumo de energa de estos equipos, el flujo acumulado de calor por este mecanismo, resulta siempre despreciable. El calor til en hornos de refino, es aprovechado: 25% - 35% en la zona convectiva. 65% - 75% en la zona radiante
Figura 1: Horno de Procesos HS-101 Refinera Talara

Control Multivariable. Es el estado del arte actual en control de procesos.

Se basa en la obtencin y aplicacin de modelos obtenidos del propio proceso para predecir las salidas a lo largo de un cierto periodo de tiempo. En la industria existen procesos Fernando Montenegro Daz multivariables, como las columnas de Pgina 11

destilacin, en los que cada variable manipulada afecta a varias controladas, por lo que no se dispone de una estrategia de control nica. Por medio del control multivariable predictivo basado en modelos se conduce al proceso a un punto de operacin ptimo desde el punto de vista econmico a pesar de las perturbaciones, las cuales estn contempladas en los modelos obtenidos. Control predictivo El control predictivo tiene como objetivo resolver de forma efectiva, problemas de control y automatizacin de procesos industriales que se caractericen por presentar un comportamiento dinmico complicado, multivariable, y/o inestable. La estrategia de control en que se basa este tipo de control, utiliza el modelo matemtico del proceso a controlar para predecir el comportamiento futuro de dicho sistema, y en base a este comportamiento futuro puede predecir la seal de control futura. El control predictivo integra disciplinas como el control ptimo, control estocstico, control de procesos con retardo de tiempo, control multivariable, control con restricciones. El tipo de control predictivo tratado, es el Control Predictivo Basado en Modelo (CPBM), conocido tambin como Model Based Predictive Control (MBPC) o simplemente Model Predictive Control (MPC). Esta estrategia tambin se conoce como control por horizonte deslizante, por ser sta la forma en la que se aplican las seales de actuacin. Existen muchos algoritmos de control predictivo que han sido aplicados con xito: GPC, IDCOM, DMC, APC, PFC, EPSAC, RCA, MUSMAR, NPC, UPC, SCAP, HPC, etc.

Fernando Montenegro Daz

Pgina 12

El control predictivo basado en modelo se puede definir como una estrategia de control que se basa en la utilizacin de forma explcita de un modelo matemtico interno del proceso a controlar (modelo de prediccin), el cual se utiliza para predecir la evolucin de las variables a controlar a lo largo de un horizonte temporal de prediccin especificado por el operador, de este modo se puede calcular las variables manipuladas futuras (seal de control futura) para lograr que en dicho horizonte, las variables controladas converjan en sus respectivos valores de referencia. El MPC se enmarca dentro de los controladores ptimos, es decir, aquellos en los que las actuaciones responden a la optimizacin de un criterio. El criterio a optimizar, o funcin de coste, est relacionado con el comportamiento futuro del sistema, que se predice gracias a un modelo dinmico del mismo, denominado modelo de prediccin. El intervalo de tiempo futuro que se considera en la optimizacin se denomina horizonte de prediccin. Dado que el comportamiento futuro del sistema depende de las actuaciones que se aplican a lo largo del horizonte de prediccin, son stas las variables de decisin respecto a las que se optimiza el sistema. La aplicacin de estas actuaciones sobre el sistema conduce a un control en bucle abierto. La posible discrepancia entre el comportamiento predictivo y el comportamiento real del sistema crean la necesidad de imponer cierta robustez al sistema incorporando realimentacin del mismo. Esta realimentacin se consigue gracias a la tcnica del horizonte deslizante que consiste en aplicar las actuaciones obtenidas durante un periodo de tiempo, tras el cual se muestrea el estado del sistema y se resuelve un nuevo problema de optimizacin. De esta manera, Fernando Montenegro Daz Pgina 13

el horizonte de prediccin se va deslizando a lo largo del tiempo. Una de las propiedades ms atractivas del MPC es su formulacin abierta, que permite la incorporacin de distintos tipos de modelos de prediccin, sean lineales o no lineales, monovariables o multivariables, y la consideracin de restricciones sobre las seales del sistema. Esto hace que sea una estrategia muy utilizada en diversas reas del control. El CPBM es una de las pocas tcnicas que permiten controlar sistemas con restricciones incorporando stas en el propio diseo del controlador. Estas caractersticas han hecho del control predictivo una de las escasas estrategias de control avanzado con un impacto importante en problemas de mbito industrial Por tal motivo es importante resaltar que el control predictivo se ha desarrollado en el mundo de la industria, y ha sido la comunidad investigadora la que se ha esforzado en dar un soporte terico a los resultados prcticos obtenidos. Merece la pena destacar que el control predictivo es una tcnica muy potente que permite formular controladores para sistemas complejos y con restricciones. Esta potencia tiene un precio asociado: el coste computacional y la sintonizacin del controlador. Recientes avances en el campo del MPC proveen un conocimiento ms profundo de estos controladores, obtenindose resultados que permiten relajar estos requerimientos. As por ejemplo, se han establecido condiciones generales para garantizar la estabilidad (Mayne 2001), condiciones bajo las cuales se puede relajar el carcter optimal del controlador garantizando su estabilidad (Scokaert & Mayne 1998).

Fernando Montenegro Daz

Pgina 14

2.2. Marco metodolgico. 2.2.1. Modo de investigacin. El modo de investigacin es del tipo Interdisciplinario. En este proyecto se cuenta con el apoyo de los Ingenieros del Proyecto Modernizacin Refinera Talara que con sus aportes se mejorar la tcnica de Optimizacin Energtica Integral en los Hornos de Proceso. 2.2.2. Tipo de investigacin. El tipo de investigacin es Tecnolgica Aplicada. 2.2.3. Contrastacin de hiptesis. Segn la hiptesis del estudio y diseo de un sistema de Control Predictivo Inteligente Multivariable, monitoreando y aplicando tcnicas de inteligencia artificial y herramientas de control sobre las variables presentes en el proceso, permitir llevar a cabo una Optimizacin Energtica Integral en Hornos de Proceso, la contrastacin de dicha hiptesis se har mediante el desarrollo de un aplicativo de simulacin realizada en software libre la cual se describir ms adelante. Seguiremos presente. ciertos procedimientos los cuales nos

permitirn predecir a futuro acerca de la hiptesis hecha en el No hay nada que se pueda verificar en tiempo futuro. Para verificar algo, ste debe encontrarse en tiempo presente. Mientras esto no ocurra la expresin se mantendr

Fernando Montenegro Daz

Pgina 15

como una hiptesis plausible (cuando no se dispone de medios tecnolgicos conocidos para la verificacin). 2.2.3.1. Modelo lgico de Contrastacin. Mtodo de la investigacin: Para ello debemos conocer los principales problemas y consecuencias que orignan estos: Problemas existentes en los Hornos de Proceso. 1. Presenta un control manual de las variables de procesos en los Hornos. 2. No existe un control ptimo en eficiencia energtica.

Que consecuencias originan estos problemas. 1. Al tener un control manual de las variables de proceso origina prdidas de tiempo al operador, y gastos innecesarios en el consumo de energa. 2. Al no existir un control ptimo este provoca paradas de planta no esperadas, impactos ambientales desfavorables, etc. Consecuencias lgicas. Con el sistema del Control Predictivo Inteligente

Multivariable no slo permitir minimizar los costos de energa, sino tambin mitigar el impacto ambiental, minimizar la necesidad de frecuencia de paradas y prolongar el tiempo de vida til de los equipos.

Fernando Montenegro Daz

Pgina 16

TIPO

VARIABLE Calores especficos Temperatura de entrada Presin Temperatura de salida

INDICADORES Calor especfico de los productos calientes y fros respectivamente. Temperatura de los productos calientes y fros respectivamente. Presin de los productos calientes y fros respectivamente. Llenado del agua en los tanques de almacenamiento Cantidad de Calor liberado en el Proceso.

UNIDADES Kcal/kg C
o

Psig C Kcal/h

Dependientes Calor Liberado

Fernando Montenegro Daz

Pgina 17

2.2.4. Poblacin y muestra estadstica de estudio. La poblacin estar objeto a estudio y ser constituida por todos los registros de las variables de proceso en hornos realizados por los operadores de la Refinera Talara. 2.2.5. Materiales de Laboratorio o de campo. Materiales de Control. Una PC.

Software Libre Aplicacional. Java, Dev C++, o Scilab, Libre Office.

Materiales de Campo. Termocuplas, Rtds y Medidores de temperatura. Transmisores de Flujo y Medidores de Flujo. Transmisores de Presin y Medidores de Presin.

2.2.6. Tcnicas e instrumentos de recoleccin de datos. La recoleccin de datos se obtendr mediante una serie de anotaciones, apuntes, pruebas y ensayos en cada una de las etapas de la elaboracin del diseo del sistema de Control Predictivo Inteligente Multivariable. 2.2.7. Anlisis estadsticos de datos. El anlisis estadstico de estos datos se obtendrn conforme avance el proceso del diseo del sistema de Control Predictivo Inteligente Multivariable mediante ensayos, apuntes y anotaciones pero segn estudios la certeza a llegado por encima del 90%.

Fernando Montenegro Daz

Pgina 18

2.2.8. Evaluacin de impacto Ambiental. No habr impacto debido a que no se usar elementos contaminantes para el desarrollo del Sistema de Control Predictivo Inteligente Multivariable. 2.2.9. Comunicacin de resultados (a los beneficiarios del proyecto) Se puede difundir el desarrollo de la nueva tecnologa mediante el uso de los diversos medios de comunicacin, ya sea prensa hablada o escrita as como la Televisin, e Internet. 2.2.10. Esquema de contenido. Portada. Dedicatoria. Agradecimientos. ndice General. Resumen. Captulo I: Planeamiento Metodolgico 1.1 Problemtica Actual: 1.1.1 Problema. 1.1.2 Definicin del Problema. 1.2 Formulacin de la Hiptesis 1.3 Objetivos del Proyecto: 1.3.1 Objetivo General. 1.3.2 Objetivos Especficos. 1.4 Justificacin e Importancia del proyecto 1.5 Evaluacin del Impacto. 1.6 Alcance del Proyecto. Capitulo II: Marco Terico Referencial 2.1 Refinacin del Petrleo. 2.2 Hornos de Proceso. Fernando Montenegro Daz Pgina 19

2.3 Control Avanzado de Procesos. 2.4 Control Multivariable. 2.5 Control con Lgica Difusa. 2.6 Optimizacin usando Algoritmos Genticos. 2.7 Aplicacin Industriales. 2.8 Software Libre. Capitulo III: Diseo del Control Predictivo Inteligente Multivariable. 3.1 Modelamiento Matemtico. 3.2 Clculos de Parmetros. Capitulo IV: Programacin del Simulador. 4.1 Desarrollo del simulador. 4.2 Manual de Ayuda. Captulo V: Evaluacin Econmica. Conclusiones Recomendaciones Bibliografa Anexos de las Redes Neuronales en Procesos

Fernando Montenegro Daz

Pgina 20

III. ASPECTO ADMINISTRATIVO 3.1. Cronograma de actividades del proyecto.

N o m b r ed eT a r e a In v e s t ig a c i n R ec opila c in de la Inform a c in An lis is B ibilog r fic o R ec olec c in de D a tos de Proc es o Propues ta del C ontrol Av a nz a do de Proc es o M o d e la m ie n t oM a t e m t ic o An lis is Ma tem tic o de Proc es os Modela m iento Ma tem tic o del C ontrol D is e od e lA p lic a t iv od eS im u la c i n S ellec c in de S oftwa re D is eo de Menus D is eo de Pa na ta lla s del Aplic a tiv o Prog ra m a c in del Aplic a tiv o Prueba sa l Aplic a tiv o E la b o r a c i nd e l In fo r m eF in a l P r e s e n t a c i nd e lP r o y e c t oF in a l D u r a c io n D a s 3 6 7 7 1 5 7 3 0 1 5 1 5 5 4 5 5 7 3 0 7 1 0 1 0 F e c h aIn ic io 0 3 /1 2 /2 0 1 20 8 : 0 0 0 3 /1 2 /2 0 1 20 8 :0 0 1 2 /1 2 /2 0 1 20 8 :0 0 2 1 /1 2 /2 0 1 20 8 :0 0 1 1 /0 1 /2 0 1 30 8 :0 0 2 2 /0 1 /2 0 1 30 8 : 0 0 2 2 /0 1 /2 0 1 30 8 :0 0 1 2 /0 2 /2 0 1 30 8 :0 0 0 5 /0 3 /2 0 1 30 8 : 0 0 0 5 /0 3 /2 0 1 30 8 :0 0 1 2 /0 3 /2 0 1 30 8 :0 0 1 9 /0 3 /2 0 1 30 8 :0 0 2 8 /0 3 /2 0 1 30 8 :0 0 0 9 /0 5 /2 0 1 30 8 :0 0 2 0 /0 5 /2 0 1 30 8 : 0 0 0 3 /0 6 /2 0 1 30 8 : 0 0 F e c h aF in 2 1 /0 1 /2 0 1 31 7 : 0 0 1 1 /1 2 /2 0 1 21 7 :0 0 2 0 /1 2 /2 0 1 21 7 :0 0 1 0 /0 1 /2 0 1 31 7 :0 0 2 1 /0 1 /2 0 1 31 7 :0 0 0 4 /0 3 /2 0 1 31 7 : 0 0 1 1 /0 2 /2 0 1 31 7 :0 0 0 4 /0 3 /2 0 1 31 7 :0 0 1 7 /0 5 /2 0 1 31 7 : 0 0 1 1 /0 3 /2 0 1 31 7 :0 0 1 8 /0 3 /2 0 1 31 7 :0 0 2 7 /0 3 /2 0 1 31 7 :0 0 0 8 /0 5 /2 0 1 31 7 :0 0 1 7 /0 5 /2 0 1 31 7 :0 0 3 1 /0 5 /2 0 1 31 7 : 0 0 1 4 /0 6 /2 0 1 31 7 : 0 0

Fernando Montenegro Daz

Pgina 21

3.2. Presupuestos Administrativo.

DETALLES DEL GASTO

DESCRIPCION Papel Bond Copias Espiralados Folletos Plumones Cuadernos de 100 hojas Tinta para Impresora Empastado Internet x hora Movilidad Viticos Escaneados Llamadas Otros Total

CANTIDAD 3.5 millares 7 libros 7 4 10 5 5 6 300 ----30

MONTO S/. 46.00 S/. 50.00 S/. 23.00 S/. 17.00 S/. 20.00 S/. 20.00 S/. 150.00 S/. 90.00 S/. 300.00 S/. 500.00 S/. 170.00 S/.24.00 S/. 260.00 S/. 400.00 S/. 2142.00

Bienes (Materiales de Escritorio)

Servicios

3.3. Financiamiento. Recursos propios.

IV. REFERENCIAS BIBLIOGRAFICAS. 1. Ballarta, M.A. (Ed.). (2012). La Combustin y el uso de la Eficiencia de la Energa (1th Ed.).Per.

Fernando Montenegro Daz

Pgina 22

2. Holman, H.P. (Ed.). (2000).Transferencia de Calor (6th Ed.).Mxico: McGraw Hill Book Company. 3. Acedo, J.S. (Ed.). (2003). Control Avanzado de Procesos (2nd Ed.). Madrid: Daz de Santos. 4. Whitt, D.M. (Ed.). (2004). Successful Instrumentation and Control System Design (2nd Ed.).USA: The ISA. 5. Otero, R.J. (Ed.). (2000). Instrumentacin en Industrias Petroleras (2nd Ed.).Mxico: McGraw Hill. 6. Guerrero, V. (Ed.). (2004). Comunicaciones Industriales (2nd Ed.). Madrid: AlfaOmega. 7. Moncada, L.A. (Ed.). (2003).Intercambiadores de Calor (2nd Ed.). Trujillo, Per. 8. Chapman, A.J. (Ed.). (1999).Transmisin de Calor (6th Ed.).Madrid, Espaa: Interciencia. 9. Kern, D.Q. (Ed.). (2000). Procesos de Transferencia de Calor (2nd Ed.).Mxico: Continental S.A. 10. Creus, A.S. (Ed.). (2005). Control Digital por Ordenador (2nd Ed.). Espaa: Marcombo. 11. Wade, HBP. (Ed.). (2004). Basic and Advanced Regulatory Control (2nd Ed.).USA: The ISA. V. FECHA Y FIRMAS:

Fernando Montenegro Daz

Pgina 23

-----------------------------------------------------Bach. Fernando Helmer Montenegro Daz Tesista

------------------------------------------------Ing. Jos Crdena Bet. Colaborador

------------------------------------------------Ing. Alejandro Ballarta Muoz Colaborador

-----------------------------------------------------Ing. Carlos Oblitas Vera Asesor

Fernando Montenegro Daz

Pgina 24